Java中拉丁字符的URL编码

Question

我正在尝试读取图像 URL。如java文档中所述，我尝试通过

将URL转换为URI

String imageURL = "http://www.shefinds.com/files/Christian-Louboutin-Décolleté-100-pumps.jpg";
URL url = new URL(imageURL);
url = new URI(url.getProtocol(), url.getHost(), url.getFile(), null).toURL();  
URLConnection conn = url.openConnection();
InputStream is = conn.getInputStream();

我得到文件的 Java.io.FileNotFound 异常 http://www.shefinds.com/files/Christian-Louboutin-Décolleté-100-pumps.jpg

我做错了什么以及编码此 URL 的正确方法是什么？

更新：
我正在使用罗马阅读 RSS 提要。接受 BalusC 的建议，我打印了来自不同阶段的原始输入，看起来 ROME rss 解析器使用的是 ISO-8859-1 而不是 UTF-8。

Answer 1

在这里工作正常（返回 403，至少不是 404）：

URL url = new URL("http://www.shefinds.com/files/Christian-Louboutin-Décolleté-100-pumps.jpg");
URLConnection connection = url.openConnection();
InputStream input = connection.getInputStream();

当我修复它使其不返回 403 时，图片已正确退出：

URL url = new URL("http://www.shefinds.com/files/Christian-Louboutin-Décolleté-100-pumps.jpg");
URLConnection connection = url.openConnection();
connection.setRequestProperty("User-Agent", "Mozilla/4.0");
InputStream input = connection.getInputStream();
OutputStream output = new FileOutputStream("/pic.jpg");
for (int data = 0; (data = input.read()) != -1;) {
    output.write(data));
}

所以你的问题出在其他地方。实际上不需要转换。初始 URL 有效。

也许您使用错误的字符编码从某些二进制源获取实际 URL？ é 到 é 的转换即表明原始源是 UTF-8 编码的，并且代码在使用 ISO-8859-1 而不是 UTF-8 时错误地读入了它。

更新：或者您实际上已经在 J​​ava 源代码中对其进行了硬编码，并使用错误的编码保存了源文件本身。我已将我的编辑器 (Eclipse) 配置为使用 UTF-8 保存文件，并且 -Dfile.encoding 也默认为 UTF-8，这可以解释为什么 它可以在我的机器上工作 ;)

更新 2：根据 cmets，简而言之，如果用于保存源文件的编码与运行时平台的默认 -Dfile.encoding 匹配（以及字符编码有问题支持é)。为了避免在您希望分发代码时出现这些无法预料的冲突，最好用 unicode 转义符替换硬编码的非 ASCII 字符。

Answer 2

我认为技术上的答案是“你不能”。按照标准，非 ASCII 字符不能在 URL 中使用，甚至某些 ASCII 字符必须使用“%XX”语法进行转义，其中 XX 是字符的 ASCII 值。

如果有的话，您可以使用 '%E9' 转义 'é' 但这依赖于服务器将其解释为根据 ISO-8859-1 的字符编码。虽然这在技术上是不允许的，但我相信很多服务器都会这样做。

Answer 3

源文件的编码是罪魁祸首。使用您的 IDE，将其设置为 UTF-8，然后重新粘贴 URL。